Breast cancer is the most common form of cancer for women around the world. In an attempt to decrease the mortality, women in Sweden between the ages of 40-74 years are called to regular mammography screenings to detect the disease as early as possible. Despite this, around 1400 die from the disease every year in Sweden. Every mammography image has to be analyzed by two radiologists. Despite this and regular screening, there are cases that go unnoticed. The factors that lessen the effectiveness of the system are that some cases go unnoticed and analyzing the mammography images is time consuming. This paper has investigated whether AI can be used to help solve these issues. Earlier research examines both of these aspects. Algorithms performing at approximately the same level of accuracy as radiologists and lessening the workload for examining radiologists has been developed [1]. This paper examined how to develop a similar simplified algorithm, how it can be implemented in healthcare and what the consequences of that would be. Hopefully, usage of similar technology will lead to a decrease in mortality and more accurate assessments. The study was conducted by interviewing two experts within the subject, and an attempt to develop an algorithm that through image analysis can classify tumours from mammography images.  The result shows that there is a big potential for using AI within healthcare, and by that enabling more accurate diagnosis and reducing mortality. During development of the algorithm a deeper understanding of the difficulties was given, such as the need for adequate processing power, processing and organization of image databases and the complexity in developing such a ML-algorithm for image analysis. The developed algorithm performed slightly better than random when detecting breast cancer on mammography images. / Bröstcancer är den vanligaste cancern bland kvinnor i världen. För att minska dödligheten kallas kvinnor i Sverige mellan 40-74 år regelbundet till mammografiscreening, i syfte att upptäcka tumörer i tid. Trots detta avlider ca. 1400 av sjukdomen varje år. Varje mammografibild granskas av två läkare. Trots detta och regelbunden screening finns det fall som missas. De faktorer som gör att systemet inte fungerar optimalt idag är att viss cancer inte upptäcks i tid samt att analysering av mammografibilderna är tidskrävande. Det här arbetet har undersökt huruvida användning av AI kan bidra till att lösa dessa problem. I tidigare forskning undersöks även båda dessa aspekter. Det har utvecklats AI-algoritmer som presterar ungefär i nivå med radiologer samt minskar arbetsbördan för undersökande radiologer [1]. I detta arbete undersöktes hur utvecklandet av en liknande algoritm går till, hur den faktiskt kan implementeras i sjukvården samt vilka konsekvenser detta kan ha. Förhoppningsvis kan tillämpning av liknande teknik leda till minskad dödlighet och säkrare bedömning. Studien genomfördes med intervjuer av två experter inom området, samt försök att utveckla en förenklad algoritm som genom bildanalys kan klassificera tumörer från mammografibilder. Resultatet visade att det finns stor potential för att använda AI inom sjukvården och med hjälp av detta uppnå säkrare bedömning och färre dödsfall. Under utvecklingen av algoritmen gavs en djupare förståelse för de svårigheter som uppkommer i utvecklandet av en sådan algoritm; såsom de krav på tillgänglig processorkraft, behandling och organisering av bilddatabaser och komplexiteten i att utveckla en maskininlärningsalgoritm för bildanalys. Algoritmen som utvecklades presterade något bättre än slumpen i detektion av tumörer på mammografier.

Bakgrund: Bröstcancer är den vanligaste cancerformen hos kvinnor i Sverige. Riskfaktorerna är flera och därför har Socialstyrelsen bestämt att hälso- och sjukvården ska erbjuda mammografiscreening för att upptäcka sjukdomen i ett tidigt stadium. Bukaortaaneurysm är en lokal vidgning av kroppspulsådern som främst drabbar män. Sjukdomen är ofta asymtomatisk och kan vara livshotande. Socialstyrelsen har därför bestämt att en engångsundersökning ska erbjudas alla män i 65-års ålder. Syfte: Syftet med examensarbetet var att studera anledningar till utebliven screeningundersökning och om anledningarna skiljer sig åt för mammografi- och bukaortascreening. Metod: Detta examensarbete är en litteraturöversikt som behandlar 15 vetenskapliga artiklar relevanta till arbetets syfte. Resultat: Faktorer som påverkade deltagandet var: ålder, invandring, nära relation till sjukdomen, avstånd, svårigheter att ta sig till klinik/opassande öppettider, utbildning, social status, fysisk och psykisk ohälsa, okunskap/bristande information, rädslor/förnekelse, civilstånd/familj och mottagen påminnelse. Diskussion: Samtliga punkter för icke deltagande stämde inte alltid överens för de båda screeningprogrammen. Efter granskning av inbjudan till screeningprogrammen sågs skillnader i informationen som skulle kunna ha betydelse för de faktorer som studerats i artiklarna. Slutsats: Icke deltagande kan bero på flera faktorer som påverkas av varandra och en liten skillnad mellan män och kvinnor sågs. Inbjudan kan påverka deltagandet i vissa fall. / Background: Breast cancer is the most common form of cancer in women in Sweden and there are several risk factors. Abdominal aortic aneurysm is an expansion of the vessel and men are most likely to suffer. The disease is asymptomatic and life-threatening. The National Board of Health and Welfare has decided to offer mammography screening and aneurysm screening to detect the diseases in an early stage. Aim: The aim with this review was to study reasons for non-participation in screening and if reasons differ from the both screening programme. Method: This bachelor thesis was designed as a review based on 15 articles. Results: Factors that affect the attendance was: age, immigration, close relations to the disease, distance, disable to get to the clinic/unfitting opening hours, education, social status, physical/mental health, unknowledge/less information, fear/denial, civil status/family and reminder letter. Discussion: Factors for non-attendance was not the same for both screening programmes. Inspection of the invitation letter from Jönköping county showed some defects that could affect the factors that has been found in the articles. Conclusion: Non-attendance can depend on several factors that influence each other and small differences was seen between men and women. The invitation letter could affect the participation in some cases.

Bröst består av mjölkkörtlar, subkutant fett och bindväv. Det finns också kärl och lymfa i brösten. Både män och kvinnor har bröst. Olika sjukdomar kan drabba brösten av benigna och maligna slag. Den mest använda undersökningsmetoden för att upptäcka bröstcancer är mammografi. Vid ytterligare undersökning av brösten kan digital bröst-tomosyntes (DBT) förekomma. DBT är en sorts begränsad vinkel-tomografi som producerar bilder på brösten i sektioner. Åsikter om DBT är motstridiga, en del studier säger att tomosyntes är bättre än mammografi gällande sensitivitet och andra säger att det är sämre eller ekvivalent. För att få kunskap om tomosyntes, mammografi och vad som skiljer i sensitivitet krävs det en sammanfattning av olika studier. Syftet med studien är att jämföra sensitivitet vid bröstundersökningar inom mammografi och tomosyntes. Via en systematisk litteraturstudie sammanfattas ett resultat utifrån kvantitativa artiklar som kvalitetsgranskas och analyseras. Arbetet har genomgått en etisk egengranskning. Resultatet skapades via hypotesprövning och SPSS och de påvisar att det finns en signifikant skillnad i sensitivitet mellan DBT och mammografi vilket innebär att DBT har högre sensitivitet sett till medelvärde och median.

Diss. (sammanfattning) Stockholm : Karol. inst., 2003. / Härtill 5 uppsatser.

Inledning: Mammografi är en vanlig bröstundersökning där kvinnor mellan 40–74 år erbjuds screening av bröst med regelbundna intervaller. Kvinnor som upplever mammografi-undersökningen som smärtsam och obehaglig återkommer ibland inte till sina kontroll-undersökningar. Uteblivna kontroller kan leda till högre mortalitet i bröstcancer. Syfte: Studiens syfte var att kartlägga kunskap om faktorer som påverkar kvinnors smärtupplevelse i samband med screeningmammografi. Metod: Studien är en allmän litteraturöversikt som genomförts via databaserna, Cinahl och PubMed. I huvudsak kvantitativa artiklar har analyserats och kvalitetsgranskats. Resultatet från de granskade artiklarna har ordnats systematisk som underlag för analysen. Resultat: Studiens resultat var att den största delen av smärta och obehag uppkom under bröstkompression. Röntgensjuksköterskans kunskap om möjliga åtgärder som bemötande, information före och efter undersökningen samt individuell anpassning av undersökningen har betydelse. Detta kan göra skillnad för kvinnors upplevelse och bidra till en positiv upplevelse vid mammografiundersökningen. Slutsats: Studiens resultat visar att orsaker till kvinnors smärta vid screeningmammografi är komplexa. Tekniken för mammografi har utvecklats över tid, däremot upplever kvinnorna fortfarande obehag och smärta. Samband kan finnas med tekniken, röntgensjuksköterskans bemötande och brist på information till kvinnorna men forskningen ger inget säkert stöd för slutsatser annat än att bemötandet och patientkommunikation spelar stor roll. Det behövs mer forskning kring olika metoder för de åtgärder en röntgensjuksköterska kan använda för att lindra kvinnors smärtupplevelse vid screeningmammografi. / Introduction: Mammography is a common breast examination where women between the ages of 40–74 are offered breast screening at regular intervals. Women who experience the mammography examination as painful and uncomfortable sometimes do not return to their check-ups. Lack of control can lead to higher mortality in breast cancer. Aim: The purpose of the study was to chart knowledge about factors affecting women´s experience of pain during screening mammography. Method: The study is a general literature review conducted via the databases, Cinahl and PubMed. Mainly quantitative articles have been analyzed and quality reviewed. The results from the reviewed articles have been arranged systematically as a basis for the analysis. Results: The results of the study were that most of the pain and discomfort arose during breast compression. Radiographer's knowledge of enabling measures such as treatment, information before and after the examination and individual adaptation of the examination is important. This can make a difference to women's experience and contribute to a positive atmosphere at the mammography examination. Conclusion: The results of the study show that the causes of women's pain during screening mammography are complex. The technique of mammography has evolved over time; however, women still experience discomfort and pain. There may be a connection with the technology, the radiographer's treatment and lack of information for the women, but the research does not provide definite support for conclusions other than that the treatment and patient communication play a major role. More research is needed on different methods for the measures a radiographer's can use to relieve women's pain experience during the screeningmammography.

Artificiell intelligence (AI) har blivit vanligare att använda för att stödja människor i deras beslutsfattande. Maskininlärning (ML) är ett delområde inom AI som har börjat användas mer inom hälso-och sjukvården. Patientdata ökar inom vården och ett AI-system kan behandla denna ökade datamängd, vilket vidare kan utveckla ett beslutsstöd som hjälper läkarna. AI-tekniken blir vanligare att använda inom radiologin och specifikt inom mammografin som ett beslutsstöd. Användning av AI-teknik inom mammografin medför fördelar men det finns även utmaningar som inte har något med tekniken att göra.Icke-tekniska utmaningar är viktiga att se över för att generera en lyckad praxis. Studiens syfte var därför att undersöka icke-tekniska utmaningar vid användning av AI som ett beslutsstöd inom mammografi ur ett radiologiskt perspektiv. Radiologer med erfarenhet av mammografi intervjuades i syfte att öka kunskapen kring deras syn på användningen.Resultatet från studien identifierade och utvecklade de icke-tekniska utmaningarna utifrån temana: ansvar, mänskliga förmågor, acceptans, utbildning/kunskap och samarbete. Resultatet indikerade även på att inom dessa teman finns icke-tekniska utmaningar med tillhörande aspekter som är mer framträdande än andra. Studien ökar kunskaperna kring radiologers syn på användningen och bidrar till framtida forskning för samtliga berörda aktörer. Forskning kan ta hänsyn till dessa icke-tekniska utmaningar redan innan tekniken är implementerad i syfte att minska risken för komplikationer. / Artificial intelligence (AI) has become more commonly used to support people when making decisions. Machine learning (ML) is a sub-area of AI that has become more frequently used in health care. Patient data is increasing in healthcare and an AI system can help to process this increased amount of data, which further can develop a decision support that can help doctors. AI technology is becoming more common to use in radiology and specifically in mammography, as a decision support. The usage of AI technology in mammography has many benefits, but there are also challenges that are not connected to technology.Non-technical challenges are important to consider and review in order to generate a successful practice. The purpose of this thesis is therefore to review non-technical challenges when using AI as a decision support in mammography from a radiological perspective. Radiologists with experience in mammography were interviewed in order to increase knowledge about their views on the usage.The results identified and developed the non-technical challenges based on themes: responsibility, human abilities, acceptance, education/knowledge and collaboration. The study also found indications within these themes that there are non-technical challenges with associated aspects that are more prominent than others. This study emphasizes and increases the knowledge of radiologists views on the usage of AI and contributes to future research for all the actors involved. Future research can address these non-technical challenges even before the technology is implemented to reduce the risk of complications.

AI in medical imaging is promising. Breast cancer screening has particularly seen advancements as researchers have demonstrated how commercially available AI algorithms could detect breast cancer at the same level as the best radiologists. The clinical uptake of AI implementations has however been slow and research studies on the real-life effects AI would have when it is implemented in healthcare settings, are lacking. As AI is integrated into the workflows of hospitals, new risks, are likely to be introduced. The breast radiology department at the hospital of Capio S:t Göran is among the first in the world to clinically let AI act as an independent reader, replacing one of the two radiologists reading the mammograms. This study thus aimed to investigate how a hospital like Capio S:t Göran may prepare for the clinical uptake of AI by exploring risks from an enterprise risk management perspective, i.e., looking beyond risks associated with patient safety, and proposing risk mitigation strategies. Data was qualitatively collected through different means. Brainstorming sessions were conducted with personnel at the hospital, either directly or indirectly involved with AI, with the purpose of identifying risks. Two external experts with competencies in cybersecurity, machine learning, and the ethical aspects of AI, were interviewed as a complement. Insights were also gained via observations at the hospital and internal documents/information. The risks identified were analyzed according to an enterprise risk management framework adopted for healthcare, that assumes risks to be emerging from eight different domains. Additionally, appropriate risk mitigation strategies were identified and discussed. The findings from the study demonstrates 23 risks associated with the clinical AI implementation in medical imaging and proposes risk mitigation strategies to each identifiedrisk. Not only does the study indicate the emergence of clinical/patient safety risks, but it also shows that there are operational, strategic, financial, human capital, legal, and technological risks. In addition, the study emphasizes the existence of possible synergies between the risks. The study concludes on the significance for hospitals to view risks holistically and to manage them proactively. / Användandet av AI inom bild- och funktionsmedicin är lovande. Det har framför allt skett framsteg inom bröstcancerscreening i takt med att forskare lyckats demonstrera hur kommersiellt tillgängliga AI algoritmer kan detektera bröstcancer på samma nivå som de bästa bröstradiologerna. AI införandet inom klinisk praxis har däremot varit långsam och det finns en avsaknad på forskningsstudier som studerat effekterna av ett AI-införande när det implementeras i den verkliga sjukvårdsmiljön. När ett AI system ska integreras i ett sjukhusarbetsflöde är det sannolikt att nya risker introduceras. Mammografiavdelningen på Capio S:t Görans sjukhus är det första sjukhuset i världen som ska börja använda AI kliniskt i syfte att ersätta en av två radiologer. Planen är att låta ett AI-system agera som en oberoende granskare och därmed ersätta en av de två radiologer som normalt sett granskar mammografibilderna. Syftet med denna studie har därav varit att undersöka hur sjukhus, såsom Capio S:t Göran bör förbereda sig för ett kliniskt införande av AI. Detta har gjorts genom att både identifiera risker från ett Enterprise Risk Managementperspektiv, vilket ur en sjukvårdskontext bland annat innebär att titta bortom patientsäkerhetsrisker, samt identifiera och föreslå riskhanteringsstrategier. För att identifiera risker hölls brainstorming sessioner med personal på Capio S:t Görans sjukhus med antingen direkta eller indirekta kopplingar till AI implementeringen. Detta kompletterades med två expertintervjuer där den ena hade kompetens inom cybersäkerhet och maskininlärning och den andra inom de etiska aspekterna av AI. Dessutom erhölls insikter via observationer gjorda på sjukhuset samt genom tillgång till intern information. Riskerna som identifierades analyserades därefter enligt ett Enterprise Risk Management ramverk som anpassats till sjukvården och som utgår från åtta olika risk domäner. Till sist diskuterades och identifierades lämpliga riskhanteringsstrategier. Resultatet från studien kunde indikera 23 risker relaterade till ett kliniskt användande av AI inom bild- och funktionsmedicin samt föreslå riskhanteringsstrategier till respektive risk som identifierades. Studien kunde identifiera operativa risker, patientsäkerhetsrisker, strategiska risker, finansiella risker, humankapitalrisker, juridiska risker och tekniska risker samt synliggöra eventuella synergier som existerar mellan riskerna. Slutsatsen av studien är att en holistisk syn på riskhantering och att en proaktiv hantering av risker är av avgörande betydelse för sjukhus som ska genomgå en implementering av AI.

Röntgen av bröst görs med hjälp av en mammograf och den första mammografen tillverkades 1968. En mammografiundersökning utförs av en röntgensjuksköterska som komprimerar bröstet mellan en platta och en detektor. Röntgensjuksköterskans intention är att verka för varje unik individ, då alla individer har olika mängd vävnad i brösten. Bröstkompressionen vid mammografiundersökningen är komplex och det finns en bristande kunskap om helheten i området. Syfte: Att sammanställa kunskapsläget gällande vilka parametrar som har inverkan på bröstkompression vid mammografiundersökningar. Metod: En allmän litteraturöversikt utfördes. I analysen ingick 12 artiklar. Resultat: Tre kategorier framkom under analysen, dessa var: patientrelaterade egenskaper, självkomprimering och tekniska egenskaper. Kategorin patientrelaterade egenskaper innefattar densitet, brösttjocklek, stråldos, kompressionskraft och kompressionstryck, självkomprimering innehåller artiklar där patienten delvis utför mammografiundersökningen själv och tekniska egenskaper innehåller artiklar som tar upp kompressionsplattor, fabrikat och detektorer. Slutsats: Slutsatsen av denna allmänna litteraturöversikt är att bröstkompressionen har stor betydelse vid mammografiundersökningar och att förbättringsområden finns inom självkomprimering, brösttomosyntes, kompressionskraft och kompressionstryck. Det behövs mer forskning i ämnet.

Breast cancer is the most common cancer type for women worldwide. Early detection is key to improve prognosis and treatment success. A cost-efficient way of finding breast cancer early is mammography screening on a population basis. A major issue with mammography screening is in-between screening cancers. One method of targeting this issue is calculating breast cancer risk stratification on healthy mammography scans, however, this method is as of today insufficient. One proposed addition to refine risk stratification is to use Artificial Intelligence guided age prediction. The aim of this study was to investigate to what extent there is an additive value of age prediction on breast cancer risk stratification. Convolutional Neural Networks (CNNs) were used to train a model on an age prediction task using healthy mammography scans from the Cohort of Screen-Aged Women. The predicted ages and delta ages, calculated as predicted age minus chronological age, were then added to a logistic regression task together with, and without, the known risk factor mammographic density. The results showed an increase in breast cancer detection with the risk model incorporating age prediction for some age groups. This suggests age prediction using CNNs might increase breast cancer detection. More studies are needed to confirm these findings. / Bröstcancer är den vanligaste cancertypen för kvinnor globalt. Tidig upptäckt är en nyckelfaktor för att förbättra prognos och behandlingsframgång. Ett kostnadseffektivt sätt att hitta tidigt utvecklad bröstcancer är allmän screening med mammografi. Ett problem med denna screening är cancer som uppkommer mellan screeningtillfällen. En metod för att lösa detta problem är riskstratifiering som ämnar att beräkna risken att utveckla cancer från friska mammografibilder, men denna metod är idag otillräcklig. Ett förslag på tillägg för att förfina resultatet av detta är att använda artificiell intelligens guidad åldersbedömning. I den här studien var syftet att undersöka i vilken utsträckning det finns ett additivt värde av åldersbedömning för modellering av risken att utveckla bröstcancer. Convolutional Neural Networks (CNNs) användes för att träna en åldersbedömningssmodell på friska mammografibilder från Cohort of ScreenAged Women. De bedömda åldrarna samt deltaåldrarna, beräknade som bedömd ålder minus kronologisk ålder, användes sedan som input till en logistisk regressionsuppgift tillsammans med, samt utan, den kända riskfaktorn mammografisk densitet. Resultaten visade en ökad upptäckt av bröstcancer för vissa åldersgrupper då riskmodellen inkluderade deltaåldrarna. Detta tyder på att åldersbedömning med CNNs kan öka upptäckten av bröstcancer. Fler studier behövs för att bekräfta dessa fynd.

Abstrakt Bakgrund: Idag är bröstcancer en av de vanligaste cancerorsakerna för kvinnor i västvärlden. Diagnostisering för att upptäcka patologi i bröstvävnad sker vanligtvis genom röntgenbildtagning av brösten, antingen genom ett nationellt screeningprogram eller genom att patienten själv väljer att besöka en mammografisk mottagning. Proceduren för att ta bröstbilder kan upplevas smärtsam eller obehaglig och flertalet tekniker för att minska dessa obehagskänslor har genom åren framkommit, däribland patientassisterad bröstkompression. Erfarenheter från praktik och arbete vid mammografiska enheter lyfte intresset av metoder som kunde minska patientens obehag, vilket föranledde denna litteraturstudie. Syfte: Att undersöka effekten av patientassisterad bröstkompression vid mammografiska undersökningar på upplevelsen av smärta, obehag och nöjdhet jämfört med traditionell bröstkompression. Metod: Kvantitativ litteraturstudie med bas i åtta studier framtagna från databaserna PubMed och Cinahl.Resultat: Obetydlig effekt på smärtupplevelsen men fördelaktigt resultat på lindring av obehagskänslor och större patientnöjdhet jämfört med vanlig mammografisk bröstkompression. Konklusion: Resultatet tyder på att patientassisterad bröstkompression i mammografisk miljö kan minska upplevelsen av obehag som är associerat med mammografiska undersökningar och bidra till större patientnöjdhet och patientautonomi i enlighet med svensk vårddoktrin.  Nyckelord: PAC, radiografi, smärta, mammografi, obehag, nöjdhet, bröstkompression, patientassisterad, litteraturöversikt / Abstract Background: Today, breast cancer is one of the leading forms of cancer for women in the western world. Mammograms, x-ray pictures of the breast, are usually taken to diagnose pathologies in breast tissue either through a national screening programme, or by remittance from a physician due to patient symptoms. The experience of taking mammographic images are often viewed as painful or uncomfortable and methods to alleviate such feelings have been developed, such as patient-assisted compression. Experiences from work and internship at mammography units gave rise to an interest in methods to decrease patient discomfort, which prompted this particular literature study. Objective: To examine the effect of patient-assisted compression on the patient experience of pain, discomfort and satisfaction compared to traditional breast compression in mammography. Method: Quantitative literature study with basis in eight articles from the PubMed and Cinahl databases. Results: The results show no definitive effect of patient-assisted compression on the patients experience of pain, although there is a favorable result on the experience of discomfort and patient satisfaction compared to traditional breast compression. Conclusion: The result points towards positive effects on lowering patient discomfort and improving patient satisfaction during mammographic breast compressions, and has potential to enhance patient autonomy in accordance with Swedish healthcare doctrine. Keywords: PAC, radiography, pain, mammography, discomfort, satisfaction, compression, patient-assisted, literature review